Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

크기

모델 크기: 총 매개변수와 활성 매개변수

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Progress Index과 활성 파라미터

Artificial Analysis Progress Index v1 · Active parameters at inference time (billions)

Most attractive quadrant

Pareto line

어떤 모델이 과제에 성공하거나 실패했는지를 바탕으로 과제의 난이도를 추정하는 동시에, 각 모델의 여러 과제 결과를 바탕으로 역량을 추정합니다.

effort 설정별 변형을 각각 별도의 모델로 표시합니다. Progress Index v1 방법론 읽기.

Progress Index과 총 파라미터

Artificial Analysis Progress Index v1 · Size in parameters (billions)

Most attractive quadrant

Pareto line

어떤 모델이 과제에 성공하거나 실패했는지를 바탕으로 과제의 난이도를 추정하는 동시에, 각 모델의 여러 과제 결과를 바탕으로 역량을 추정합니다.

effort 설정별 변형을 각각 별도의 모델로 표시합니다. Progress Index v1 방법론 읽기.

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

컨텍스트 창

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

상세 정보

								웨이트		제공업체 벤치마크
Kimi K3.1 Pro	Kimi	341	2.8T 추론 시 104B 활성	1M	$1.54	40.1	30	🤗	+16	보기
DeepSeek V4.1 Flash 1017 (Max)	DeepSeek	324	552B 추론 시 16B 활성	1M	$0.18	13.5	171	🤗	+23	보기
GLM-5.3 (Max)	Z AI	323	753B 추론 시 40B 활성	1M	$0.90	23.6	84	🤗	+27	보기
Ling 3.1 Flash 1019	InclusionAI	322	560B 추론 시 25B 활성	1M	$0.19	-	-	🤗		보기
MiMo-V2.6-Pro	Xiaomi	321	1T 추론 시 42B 활성	1M	$0.18	36.1	56	🤗		보기
Qwen3.8-Flash-Next	Alibaba	320	180B 추론 시 6B 활성	256k	$0.0882	31.9	77	🤗		보기
Ling 3.1 Flash	InclusionAI	320	560B 추론 시 25B 활성	1M	$0.19	-	90	🤗		보기
DeepSeek V4.1 Flash 1017 (High)	DeepSeek	319	552B 추론 시 16B 활성	1M	$0.18	10.7	172	🤗		보기
GLM-5.3-Flash	Z AI	319	320B 추론 시 18B 활성	1M	$0.10	45.1	50	🤗	+23	보기
Step 5 Preview	StepFun	318	600B 추론 시 27B 활성	1M	$0.54	14.8	128	🤗		보기
Qwen3.8 2.4T A95B	Alibaba	318	2.4T 추론 시 95B 활성	262k	$1.18	-	39	🤗	+2	보기
MiniMax-M3.1-Flash	MiniMax	318	428B 추론 시 23B 활성	1M	$0.10	15.7	147	🤗	+10	보기

대형 오픈 웨이트 AI 모델 비교(>150B)

개방성

Progress Index

총 파라미터 수

개방성

Artificial Analysis Openness Index: 점수

지능

Artificial Analysis Progress Index

Progress Index v1 계산 방법

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

크기

모델 크기: 총 매개변수와 활성 매개변수

Total Parameters

Active Parameters at Inference Time

Progress Index과 활성 파라미터

Progress Index v1 계산 방법

Active Parameters at Inference Time

Progress Index과 총 파라미터

Progress Index v1 계산 방법

Total Parameters

컨텍스트 창

컨텍스트 창

Context Window for RAG

Context Window

상세 정보